論文の概要: Offline versus Online Triplet Mining based on Extreme Distances of Histopathology Patches

• arxiv url: http://arxiv.org/abs/2007.02200v3
• Date: Wed, 10 Aug 2022 05:39:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 13:30:15.415542
• Title: Offline versus Online Triplet Mining based on Extreme Distances of Histopathology Patches
• Title（参考訳）: 病理組織学的パッチの極端距離に基づくオフラインとオンライントリプルトマイニング
• Authors: Milad Sikaroudi, Benyamin Ghojogh, Amir Safarpoor, Fakhri Karray, Mark Crowley, H.R. Tizhoosh
• Abstract要約: 我々は、極端、すなわち最も遠く、最も近いアンカーへのパッチを、オンラインとオフラインの両方で考える。 オフラインおよびオンラインマイニングアプローチは、特定のアーキテクチャに匹敵するパフォーマンスを持つ。
• 参考スコア（独自算出の注目度）: 10.139011235596968
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We analyze the effect of offline and online triplet mining for colorectal cancer (CRC) histopathology dataset containing 100,000 patches. We consider the extreme, i.e., farthest and nearest patches to a given anchor, both in online and offline mining. While many works focus solely on selecting the triplets online (batch-wise), we also study the effect of extreme distances and neighbor patches before training in an offline fashion. We analyze extreme cases' impacts in terms of embedding distance for offline versus online mining, including easy positive, batch semi-hard, batch hard triplet mining, neighborhood component analysis loss, its proxy version, and distance weighted sampling. We also investigate online approaches based on extreme distance and comprehensively compare offline, and online mining performance based on the data patterns and explain offline mining as a tractable generalization of the online mining with large mini-batch size. As well, we discuss the relations of different colorectal tissue types in terms of extreme distances. We found that offline and online mining approaches have comparable performances for a specific architecture, such as ResNet-18 in this study. Moreover, we found the assorted case, including different extreme distances, is promising, especially in the online approach.
• Abstract（参考訳）: 10万のパッチを含む大腸癌(crc)組織病理データに対するオフラインおよびオンライントリプルトマイニングの効果について検討した。 我々は、オンラインとオフラインのマイニングにおいて、あるアンカーに対して最も遠く最も近いパッチを考える。 多くの研究はオンラインのトリプレットの選択にのみ焦点をあてているが、オフラインでトレーニングする前に、極端距離と隣接パッチの効果も研究している。 本研究では,オフラインマイニングとオンラインマイニングの組込み距離について,イージーポジティブ,バッチセミハード,バッチハードトリプレットマイニング,近傍成分分析損失,プロキシバージョン,距離重み付けサンプリングなど,極端なケースの影響を分析した。 また,極端距離に基づくオンラインアプローチを調査し,データパターンに基づくオフライン,オンラインマイニングのパフォーマンスを包括的に比較し,大規模ミニバッチサイズのオンラインマイニングを扱いやすい一般化としてオフラインマイニングを説明する。 また,極端距離で異なる大腸組織型との関係についても検討した。 この研究で、オフラインおよびオンラインマイニングアプローチは、ResNet-18のような特定のアーキテクチャに匹敵する性能を持つことがわかった。 さらに、特にオンラインアプローチにおいて、異なる極端距離を含む様々なケースが有望であることがわかった。

関連論文リスト

• Understanding the performance gap between online and offline alignment algorithms [63.137832242488926]
  オフラインのアルゴリズムは、ペアの分類が得意になるようにポリシーを訓練し、オンラインのアルゴリズムは世代ごとに良いことを示しています。 このことは、識別能力と生成能力の間のユニークな相互作用を示唆しており、これはサンプリングプロセスに大きく影響している。 我々の研究は、AIアライメントにおけるオンラインサンプリングの重要な役割に光を当て、オフラインアライメントアルゴリズムのある種の根本的な課題を示唆している。
  論文  参考訳（メタデータ） (2024-05-14T09:12:30Z)
• SEABO: A Simple Search-Based Method for Offline Imitation Learning [57.2723889718596]
  オフライン強化学習(RL)は、静的なオフラインデータセットから学習できることから、多くの注目を集めている。 本稿では,SEABOをタグ付けした単純な検索に基づくオフラインIL手法を提案する。 この結果から,SEABOは1つの専門的軌道のみを考慮し,実効性を持つオフラインRLアルゴリズムに競合する性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-06T08:48:01Z)
• Pseudo-online framework for BCI evaluation: A MOABB perspective [0.0]
  BCI(Brain-Computer Interface)技術は、オンライン、オフライン、擬似オンラインの3つのモードで動作する。 そこで本研究では,現在のMOABBフレームワークをオフラインモードで動作させ,擬似オンライン設定における異なるアルゴリズムの比較を可能にする。
  論文  参考訳（メタデータ） (2023-08-21T09:22:07Z)
• Optimal Best-Arm Identification in Bandits with Access to Offline Data [27.365122983434887]
  オフラインデータとオンライン学習を組み合わせることを検討する。 差分$が小さい場合、サンプルの複雑さに基づいて低い境界に一致するアルゴリズムを開発する。 我々のアルゴリズムは, サンプル当たりの平均取得コストが$tildeO(K)$で計算的に効率的であり, 下界問題の最適条件の注意深い評価に頼っている。
  論文  参考訳（メタデータ） (2023-06-15T11:12:35Z)
• Learning for Edge-Weighted Online Bipartite Matching with Robustness Guarantees [28.737193318136725]
  我々は,ロバストネス保証 (LOMAR) を用いたエッジ重み付きオンラインバイパートイトマッチングの新しい手法を提案する。 LOMARは、平均ケースと最悪のケースのパフォーマンスの両方を達成する。
  論文  参考訳（メタデータ） (2023-05-31T20:41:42Z)
• Offline Stochastic Shortest Path: Learning, Evaluation and Towards Optimality [57.91411772725183]
  本稿では,状態空間と動作空間が有限である場合のオフライン最短経路問題について考察する。 オフラインポリシ評価(OPE)とオフラインポリシ学習タスクの両方を扱うための,シンプルな値ベースアルゴリズムを設計する。 これらの単純なアルゴリズムの解析は、極小値に近い最悪のケース境界を示唆する強いインスタンス依存境界をもたらす。
  論文  参考訳（メタデータ） (2022-06-10T07:44:56Z)
• Combining Online Learning and Offline Learning for Contextual Bandits with Deficient Support [53.11601029040302]
  現在のオフライン政治学習アルゴリズムは、主に逆確率スコア(IPS)重み付けに基づいている。 オフライン学習とオンライン探索を組み合わせた新しい手法を提案する。 提案手法は,最小限のオンライン探索数を用いて理論的保証を伴う最適政策を決定する。
  論文  参考訳（メタデータ） (2021-07-24T05:07:43Z)
• Hierarchical Recurrent Attention Networks for Structured Online Maps [91.28820076955128]
  疎い3次元点雲からのオンライン道路網抽出の問題に対処する。 この手法はannotatorがレーングラフを構築する方法に触発され、まず何レーンあるかを特定し、順番に各レーンを描画する。 我々は,レーン境界の初期領域に順応する階層的リカレントネットワークを開発し,構造化ポリラインを出力することにより,それらを完全にトレースする。
  論文  参考訳（メタデータ） (2020-12-22T19:35:53Z)
• Bandits with Partially Observable Confounded Data [74.04376842070624]
  この問題は,サイド情報を用いたバンドイット問題の変種と密接に関連していることを示す。 本稿では,予測情報を活用する線形帯域幅アルゴリズムを構築し,残差を証明した。 この結果から,オンライン学習アルゴリズムにおいて,オフラインデータの集約が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2020-06-11T18:48:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。